Bayesian Spatiotemporal, Sample Survey, and Forecasting Methods for Analyzing COVID-19 Infections and Mortality
Notice bibliographique
Résumé
For decades, mathematicians and statisticians have been modelling infectious diseases to forecast case/death counts, estimate important epidemiological quantities, and understand the dynamics of disease spread.This dissertation offers methodological insights into each of these three challenges using novel spatial, spatio-temporal, and Bayesian modelling methods, with applications to COVID-19 data. Alongside methodological contributions, this thesis also presents estimates of important epidemiological quantities which, subject to peer review, could be utilized by public health professionals and policy makers. There are four primary contributions of this work: 1) a subnational, single-wave COVID-19 mortality forecasting model that accounts for day-of-the-week effects, which was shown to outperform the most highly-cited model during the first viral wave; 2) a mobility-augmented spatial model for COVID-19 case counts, where cellphone-derived mobility data is shown to capture dependence between areal units better than physical proximity; 3) a novel, interpretable spatio-temporal infectious disease model where infectiousness is a function of mobility between areal units, resulting in estimates of the risk associated with travelling in two Spanish Communities; 4) a modular Bayesian framework based on mixture modelling of serological data and disaggregated deaths data to estimate COVID-19 incidence and infection fatality rates, resulting in estimates of these quantities across Canada for various strata. Although the applications in this thesis are to COVID-19 data, the proposed methodology can be applied to a wide spectrum of problems across infectious disease epidemiology.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».